GAN的流程-cyclegan为例

在关于原理里面已经讲了adversial　这个东西的原理以及流程，

这个算法本身没什么吸引，美妙的地方在于他的训练流程！

这个篇章着重讲如何跑通一个GAN的代码－－－这里特指cyclegan

1 下载代码：

https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/

从这里下载代码，然后按照redeme配置环境即可

２配置环境：

　　1 python3.6

　　2 torch必须是0.4.0

３下载数据集，按照reame,没问题

在我顺利跑通前，会遇到一个意想不到的错误：

WARNING:root:Setting up a new session...

这个错误是因为我的display(可视化)有些问题，目前解决方式是干脆不要可视化了，

train.py里面把关于visualizer的一切都注释掉！

 

 

test的时候，遇到了一个问题，在我把visualizer注释掉之后，生成图片遇到了问题

此时我进行了几个操作

１把tensor转为image

2 image.save

具体代码如下：

其中visuals是一个tensor

unloader = transforms.ToPILImage()

def tensor_to_PIL(tensor):
    image = tensor.cpu().clone()
    image = image.squeeze(0)
    image = unloader(image)
    return image

 

abc=tensor_to_PIL(visuals['fake_A'][0])

abc.save('./imggg/'+str(counttt)+'.jpg')

 

然后就可以跑通了

 

接下来是换数据集，

换数据集要做到一点：domian a 与domain b之间的差距不能太大，

比如如果domain a 是汽车，domian b是房子，这样什么也学不到

所以最好的就是domian a 是普通的马，domian b是斑马